連合確率勾配降下は自己誘導運動量をベットする【JST・京大機械翻訳】

Yang Howard H.; Liu Zuozhu; Fu Yaru; Quek Tony Q. S.; Poor H. Vincent

プレプリント

J-GLOBAL ID：202202205563685005 整理番号：22P0291014

連合確率勾配降下は自己誘導運動量をベットする【JST・京大機械翻訳】

Federated Stochastic Gradient Descent Begets Self-Induced Momentum

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年02月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

反復学習(FL)は,モバイルエッジシステムに適用可能な新しい機械学習法であり,その中で,クライアントのサーバとホストは,プライバシーに敏感なデータを直接曝露することなく,クライアントのデータと計算資源を利用する統計的モデルを協調的に訓練する。そのような設定における確率的勾配降下(SGD)の運転は,大域的凝集過程に対して運動量のような項を追加すると見なせることを示した。この発見に基づいて,著者らは,さらに,パラメータ不安定性と通信資源の影響を説明することによって,連合学習システムの収束速度を分析した。これらの結果は,Feded SGDアルゴリズムの理解を前進させ,また,システム設計者にとって有用な,ステリーネス解析と連合コンピューティングシステムの間のリンクを忘れる。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , ,

前のページに戻る